slideflow
Библиотека глубокого обучения для цифровой патологии и анализа полноформатных изображений слайдов.
Библиотека Python с открытым исходным кодом для цифровой патологии, разработки моделей и анализа полноформатных изображений слайдов.
Slideflow — это библиотека глубокого обучения, созданная специально для цифровой патологии и объединяющая передовое машинное обучение с потребностями клинических исследований. Медицинские исследователи и специалисты по обработке данных используют ее для обработки полноформатных изображений слайдов и обучения прогнозных моделей.
Что это
Она предоставляет настраиваемые конвейеры обучения, обработку слайдов и инструменты нормализации окрашивания, поддерживающие слабо и сильно контролируемые метки. Вы можете создавать модели с использованием обучения с множеством экземпляров (MIL), самообучения, генеративно-состязательных сетей и встроенных базовых моделей.
Для кого
Она подходит для специалистов по вычислительной патологии и исследователей в области медицинского ИИ с опытом работы на Python, которым необходимы сквозные рабочие процессы анализа слайдов. Она не подходит для клиницистов без навыков программирования или тех, кто ищет готовое приложение для просмотра медицинских данных без написания кода.
Ключевые возможности
Набор инструментов для обработки слайдов
Извлекает тайлы из полноформатных изображений слайдов с помощью cuCIM или Libvips с настраиваемым разрешением и увеличением.
Нормализация окрашивания
Применяет встроенные процедуры нормализации окрашивания для стандартизации внешнего вида гистологии на разных сканерах.
Обучение с множеством экземпляров
Поддерживает MIL-архитектуры, такие как CLAM, для прогнозирования на уровне слайдов с использованием аннотаций пациентов.
Карты объяснимости
Генерирует тепловые карты, мозаичные карты, карты значимости и синтетическую гистологию с помощью StyleGAN.
Готово за 3 шага
Наш честный вердикт
Плюсы
- Поддерживает бэкенды как PyTorch, так и Tensorflow в зависимости от ваших предпочтений.
- Включает обширные утилиты для обработки и тайлинга слайдов с возможностью буферизации на RAM-диске.
- Предлагает продвинутые инструменты объяснимости, включая тепловые карты и анализ активации слоев.
- Интегрируется с популярными предобученными базовыми моделями, такими как UNI, HistoSSL и GigaPath.
Минусы
- Требует значительного опыта работы с Python и машинным обучением для правильной установки и настройки.
- Требует высокопроизводительного оборудования, в частности GPU с поддержкой CUDA, для эффективного обучения моделей.
- Некоторые продвинутые дополнительные модели, такие как CLAM и StyleGAN, требуют установки некоммерческих пакетов.
- Производительность чтения слайдов зависит от правильно настроенных внешних зависимостей, таких как cuCIM или Libvips.
Цены и лицензия
Бесплатно по лицензии Apache-2.0, доступны опциональные некоммерческие дополнения. Единственные затраты — это запуск на вашем собственном GPU-оборудовании.
Вакансии для носителей русского языка
874 открытых удалённых вакансий по обучению ИИ, обновлено 15 ноября 2026 г.; в большинстве оплата $20–$170 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Альтернативы
Эти проверенные ИИ-инструменты делают то же самое мгновенно — из нашего оценённого каталога.
Используйте сами или мы всё настроим
Вопросы
Какие фреймворки глубокого обучения поддерживает Slideflow?
Slideflow поддерживает как PyTorch, так и Tensorflow, по умолчанию используя PyTorch, если доступны оба, с возможностью настройки через переменную окружения SF_BACKEND.
Как читаются полноформатные изображения слайдов?
По умолчанию используется cuCIM для быстрого чтения, с опциональным бэкендом Libvips для поддержки таких форматов, как .scn, .mrxs, .ndpi, .vms и .vmu.
